RamanOmics解码衰老与组织修复中空间振动-分子架构的多模态整合框架

《Nature Aging》：RamanOmics decodes the spatial vibrational–molecular architecture of senescence in aging and repair

　　

衰老与组织修复涉及转录、生化和细胞维度上的异质性重塑，然而目前通行的定义依赖于孤立的分子标志物，掩盖了这些状态如何协同演化。研究人员提出了RamanOmics——一种多模态框架，整合无标记高光谱拉曼成像（label-free hyperspectral Raman imaging）、单核RNA测序（single-nucleus RNA sequencing, snRNA-seq）和空间转录组学（spatial transcriptomics），在单细胞空间分辨率下将生化状态与转录程序联系起来。将该框架应用于年轻和年老小鼠的肺与皮肤，RamanOmics揭示了组织特异性程序：肺衰老细胞富集细胞外基质重塑和转化生长因子-β（transforming growth factor-β, TGF-β）信号，而皮肤衰老则以表皮分化基因（Krt10、Lor和Sbsn）为主。跨组织研究人员鉴定出一个保守的脂质相关拉曼特征（1,131–1,135 cm^?1），用于标记p21⁺衰老细胞，并开发了一种基于机器学习的多模态条形码，可在原位进行非破坏性衰老鉴定。在小鼠伤口愈合模型中，RamanOmics揭示了衰老细胞中表皮分化基因（Krt10、Lor和Sbsn）的再激活，同时伴随脂质相关拉曼信号的增加。综上，RamanOmics为细胞状态的可扩展、多模态分析提供了一个组织非依赖性框架。

**RamanOmics解码衰老与修复中空间振动-分子架构——论文解读**

**一、研究背景与科学问题**

衰老和组织修复是复杂的生物学过程，涉及基因表达、生化反应、细胞状态和组织架构等多个层面的协同调控。尽管单细胞转录组学和空间基因组学极大地推动了人们对衰老、细胞衰老和再生的理解，但转录信息仅能反映多层调控网络的部分面貌，无法全面揭示细胞的生化与代谢组成，例如脂质分布、蛋白质构象、代谢物状态以及细胞外基质（extracellular matrix, ECM）化学特性。这些生化特征往往先于或独立于转录变化发生，对膜动力学、信号通路、细胞凋亡和代谢通量具有重要影响。然而，无标记生化成像与高维分子/基因组分析长期处于相对隔离的研究领域，缺乏有效的整合手段。因此，亟需一种能够在完整组织内、以单细胞分辨率统一生化、振动和分子信息的框架，以阐明生化状态与转录程序之间的关联，并解析衰老及相关过程的多模态本质。

**二、研究内容与主要结论**

针对上述空白，研究人员开发了RamanOmics——一个整合单核RNA测序（snRNA-seq）、STARmap原位测序（STARmap-ISS）、无标记高光谱拉曼成像和机器学习的多模态平台（图1a）。该平台能够以单细胞空间分辨率将振动-生化特征与转录程序直接关联。研究人员将其应用于自然衰老（2月龄与26月龄小鼠）的肺和皮肤组织，以及小鼠皮肤伤口愈合模型，系统揭示了衰老和修复过程中的多模态分子-生化景观。

**三、主要关键技术方法**

研究人员采用了以下核心技术：（1）单核RNA测序（snRNA-seq）——对冷冻OCT包埋组织分离细胞核，构建单细胞转录图谱；（2）STARmap原位测序（STARmap-ISS）——使用包含890个基因（700个细胞类型标志物和190个衰老/老化标志物）的panel进行空间转录组分析，并通过Tangram算法将表达矩阵插补至全转录组规模；（3）无标记高光谱拉曼成像——在600–1,800 cm^?1指纹区采集873维光谱，通过DAPI与Raman 791 cm^?1 DNA信号配准实现同一切片的单细胞多模态对齐；（4）机器学习（随机森林分类器和SHAP值分析）——整合Raman特征与转录特征构建多模态条形码。样本来源为p16-3MR小鼠（C57BL/6背景），肺和皮肤样本均来自2月龄（n=3）和26月龄（n=3）小鼠，伤口愈合模型采用24月龄小鼠（n=3）。

**四、研究结果**

**1. 多模态表征与衰老/细胞衰老鉴定**

通过RamanOmics平台，研究人员成功整合了来自相同组织切片的snRNA-seq、STARmap-ISS和拉曼成像数据，实现了单细胞分辨率的衰老多模态空间鉴定。在肺组织中获得35,474个高质量单核转录组，皮肤中获得12,128个，分别识别出28个肺细胞簇和26个皮肤细胞簇。

**2. 肺与皮肤具有不同的衰老特征**

肺衰老主要表现为免疫激活和炎症信号上调（AT1/AT2细胞、内皮细胞和单核细胞），以及T细胞、成纤维细胞和内皮细胞中转录抑制、上皮增殖和ECM组织相关通路的下调。皮肤衰老中上调基因富集于核糖核蛋白复合物结合，下调基因富集于金属离子应答和肌肉收缩通路。内皮细胞和T细胞在肺中表现出最显著的衰老相关转录重塑，而成纤维细胞和IFE细胞在皮肤中变化最大。

**3. 细胞类型特异的衰老转录程序**

老年肺内皮细胞上调转录调控（Klf2、Klf4）、抗原加工呈递（H2-Aa、Cd74）和ECM重塑（Timp3、Serpine1）相关模块；T细胞则上调炎症信号（Tnfαip3、Ccl5），下调T细胞活化相关转录因子（Foxp1、Lef1）。皮肤成纤维细胞（FIB2）上调纤维化和结构重塑基因（Slit3、Dlc1、Prkg1）；IFE细胞上调代谢（Sult5a1、Gpcpd1）和细胞结构（Col23a1）相关基因。

**4. 衰老细胞的功能重编程具有年龄依赖性**

以p21（Cdkn1a）作为衰老标志物，肺中p21⁺细胞富集于AT2细胞、内皮细胞和巨噬细胞；皮肤中富集于IFE细胞、基底角质形成细胞和IRS细胞。年轻组织中衰老细胞呈现修复相关的瞬时程序（上调Dock10、Vav3，下调表面活性物质基因），而老年组织中衰老细胞呈现促纤维化和促炎状态（上调Serpine1、Dab2，下调脂质代谢和DNA修复基因）。皮肤衰老细胞普遍上调表皮分化和屏障维持基因（Krt1、Krt10、Lor、Sfn），但老年皮肤衰老细胞下调脂质代谢（Cd36、Cidec）和DNA修复（Eepd1）基因。AT2细胞分析显示，老年衰老细胞上调Serpine1和抗凋亡基因（Bcl2l1、Igf1r），而下调脂肪酸代谢基因Acoxl；年轻AT2细胞则富集DNA损伤修复（DDR）相关基因（Brip1、Bora、Hells）。皮肤IFE细胞中，年轻衰老细胞富集DNA损伤应答和细胞周期调控基因（Chek1、Ccnb1），而老年衰老细胞富集ECM重塑和蛋白合成基因（Sfn、Eef1a1）。

**5. 空间分辨的衰老与老化特征**

STARmap-ISS分析显示，肺中AT2细胞衰老细胞比例最高（0.31–0.51%），皮肤中IFE细胞最高（0.53–1.55%）。老年皮肤表皮区域衰老细胞密度显著高于年轻皮肤，而肺中无明显空间差异。通过Tangram插补获得全转录组空间表达谱，验证了内皮细胞中Klf2和Timp3在老年肺组织中的上调，以及成纤维细胞Slit3和IFE细胞Il31ra的改变。

**6. 无标记高光谱拉曼成像揭示衰老的生化景观**

通过拉曼-STARmap配准，在肺和皮肤中分别获得15,201和11,069个重叠单细胞。比较p21⁺衰老细胞与p21^?非衰老细胞，发现肺衰老细胞中50个拉曼峰增加、35个减少；皮肤衰老细胞中273个增加、62个减少。关键的保守变化是脂质相关拉曼峰（1,134/1,135 cm^?1）在肺和皮肤的衰老细胞中均显著升高，而糖类相关峰（996/999 cm^?1）和胶原相关峰（937/940 cm^?1）分别降低。基于差异拉曼峰（DRP）构建的条形码系统可区分衰老与非衰老状态。

**7. 多模态整合与条形码**

将拉曼特征与snRNA-seq DEG结合构建多模态特征集，随机森林分类器性能在加入拉曼数据后显著提升：肺的准确率从0.7368提升至0.7763，皮肤从0.6182提升至0.6545；AUC和精确度也同步提高。SHAP分析确定了关键预测特征：肺中Mrc1、Dab2、Igfbp7、Serpine1和1,134/1,135 cm^?1脂质峰、625 cm^?1核酸峰；皮肤中Hspb1、Lor、Krtdap和多个脂质峰。DRP–DEG相关分析揭示了肺衰老细胞中ECM重塑、脂质代谢和TGFβ信号通路的耦合，以及皮肤衰老细胞中脂质重塑、角质化程序激活和DNA修复受损的关联。

**8. 伤口修复模型验证**

在小鼠皮肤伤口愈合模型中（D0 vs D3），伤口边缘p21表达显著升高，同时伴随衰老富集表皮分化基因（Krt10、Dmkn、Lor、Sbsn、Sfn）的表达上调。拉曼成像证实衰老细胞中脂质相关峰（1,130/1,134/1,135 cm^?1）强度增加，与稳态衰老组织中观察到的生化特征一致，表明该多模态衰老程序在再生背景下同样存在。

**五、讨论与结论**

RamanOmics框架揭示了衰老不仅涉及转录重塑，还伴随可在原位非破坏性检测的生化转变。DRP–DEG模块系统性捕获了组织特异性的生化-转录关联：肺中脂质峰与ECM重塑/TGFβ信号基因相关，皮肤中脂质峰与细胞骨架/肌肉收缩基因相关，而胶原/氨基酸峰与表皮分化/脂质代谢基因相关。脂质相关拉曼特征（1,131–1,135 cm^?1）在跨组织的p21⁺细胞中一致富集，提示系统性脂质代谢、组织微环境和衰老生物学之间可能存在相互作用。

研究结论部分：基于老年组织内p21⁺与p21^?细胞的比较，本研究表明，小鼠肺衰老细胞具有与脂质代谢改变（如Abcg1）、ECM重塑（如Serpine1和Sulf1）相关的转录和生化特征，并伴随脂质相关拉曼峰（如1,134或1,135 cm^?1）增加和糖类相关拉曼峰（如998或999 cm^?1）强度降低。相比之下，小鼠皮肤衰老细胞具有表皮分化和屏障维持相关转录特征（如Sfn和Krt10），伴随脂质相关拉曼峰（如1,134或1,135 cm^?1）增加，同时下调肌肉收缩（如Tnnt3和Dmd）和DNA损伤修复（如Eepd1）相关基因，并降低胶原相关拉曼峰（如1,162或937 cm^?1）强度，这些多模态模式与胶原和ECM相关分子特征的重塑一致。

该研究的重要意义在于，RamanOmics提供了一个组织非依赖性的可扩展多模态框架，能够以单细胞空间分辨率揭示衰老和修复过程中生化-转录的协同变化。该平台不仅可用于衰老的基础研究，还为无创监测组织老化、评估衰老干预效果以及探索纤维化、再生和癌症等背景下的细胞状态提供了新的技术基础。尽管当前研究建立的是相关性而非因果关系，但RamanOmics为未来结合扰动实验、人类组织验证和更广泛疾病模型的应用开辟了道路。